Text

Pengelompokan Titik Gempa di Pulau Sulawesi Menggunakan Algoritma ST-DBSCAN (Spatio Temporal-Density Based Spatial Clus tering Applic ation with Nois e)

---

ABSTRAK


Gempa bumi merupakan bencana alam yang cukup serius di Indonesia khususnya di Pulau Sulawesi. Gempa bumi ditakuti karena tidak dapat diperkirakan kapan datangnya, dimana tempatnya, dan seberapa kuat getarannya, yang seringkali mengakibatkan kerusakan fatal bahkan menelan korban jiwa. Dalam upaya meminimalisir kerugian yang diakibatkan oleh gempa bumi, perlu adanya dilakukan pembagian wilayah yang rentan terdampak gempa bumi. Salah satu cara yang dapat digunakan dalam pembagian wilayah adalah dengan menggunakan teknik pengelompokan atau clustering. Penelitian ini menggunakan metode clustering dengan algoritma ST-DBSCAN (Spatial Temporal-Density Based Spatial Clustering Application with Noise) pada dataset titik gempa bumi Pulau Sulawesi pada tahun 2019. Metode ini menggunakan parameter jarak spasial (Eps1=0,45), parameter jarak temporal (Eps2=7), dan jumlah minimal anggota cluster (MinPts=4), menghasilkan total 60 cluster dengan 8 cluster besar dan 216 Noise.
Kata Kunci: Data Mining, gempa bumi, pengelompokan, spatio-temporal, ST-DBSCAN

ABSTRACT



Earthquake is a natural disaster which is quite serious in Indonesia, especially on Sulawesi Island. Earthquake is fearful because it can’t be predicted when it will come, where it will come, and how strong the vibration, that often causes fatal damage and casualties. In effort to minimize losses caused by earthquake, it is necessary to divide areas which are easily affected by earthquake. One of the methods that can be used in dividing the area is by using the clustering technique. This research by using a clustering method with the ST-DBSCAN (Spatial Temporal-Density Based Spatial Clustering Application with Noise) algorithm on dataset of earthquake points in Sulawesi Island in 2019. This method by using the spatial distance parameters (Eps1 = 0.45), the temporal distance parameters (Eps2
= 7), and minimum number of cluster members (MinPts = 4), resulting in a total of 60 clusters with 8 large clusters and 216 noises

Keywords: Data mining, earthquake, clustering, spatio-temporal, ST-DBSCAN

---

Ketersediaan

829E20IV

829 E 20-iv

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

829 E 20-iv

Penerbit

: ., 2020

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Denny Jales Manalu

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar